Comparar binomial negativa modelos

Question

Tengo una pregunta en cuanto a la comparación de modelos de regresión binomial negativa con el programa estadístico SPSS. Necesito comparar dos modelos para comprobar si el segundo modelo aumenta significativamente el ajuste del modelo/de la variación explicada en la dependiente. El segundo modelo contiene 1 extra predictor y quiero saber si este predictor mejora significativamente el modelo sobre el primer modelo.

Ya he probado la comparación de índices de ajuste (yo sólo encuentra diferencias muy pequeñas) y el cálculo de pseudo R cuadrados (está bien, pero no indican si el segundo modelo es significativamente mejor).

Es posible la comparación de dos modelos de regresión binomial negativa, aparte de los índices de ajuste? Alguna ayuda?

Answer 1

Usted puede hacer una prueba de razón de verosimilitud. Tomar la diferencia de -2Log(Probabilidad) y comparar a una distribución chi-squared con 1 grado de libertad (1 df debido a que los modelos se diferencian por 1 parámetro). SPSS suministros -2log(probabilidad). Se llama la Desviación, y en una salida de caja etiquetada "Bondad de Ajuste".

Tenga en cuenta que este es un asintótica prueba, por lo que la exactitud de la p-valor que se obtiene de esto va a depender del tamaño de la muestra, y de lo bien que sus datos siguen una distribución binomial negativa.

Este mismo enfoque puede ser utilizado para cualquier anidados, modelos lineales generalizados. (nested significa que todos los parámetros del modelo más pequeño se encuentra en el modelo de mayor tamaño).

1. Así que, en resumen, el modelo de ajuste 1 y busque la Desviación $D_1$
2. Ajuste model2 y busque su Desviación, $D_2$
3. Calcular el $D_2-D_1=S$
4. Si S es mayor que 3.84, rechazar la hipótesis nula de que la extra predictor es inútil en el 5% de nivel.
5. Para un valor de p, S y un conjunto de chi-cuadrado de tablas.

Esto le da a usted una prueba de hipótesis para responder a su pregunta. Otro criterio sería el de evaluar en qué medida los respectivos modelos en la predicción de resultados. Si usted tiene una reserva de datos, puede ver si el modelo más grande, hace un mejor trabajo de la predicción de resultados. Por "Mejor" me refiero a que el modelo más grande tiene un impacto significativo en lo que sea que usted está utilizando el modelo para. Estrictamente hablando, ni el ajuste de los índices, ni la significación de la prueba de realidad dirá si el modelo se ajusta. Ellos sólo permiten comparar entre modelos.